100天精通Python（实用脚本篇）——第111天：批量将PDF转Word文档

在Python中，将PDF文件转换为Word文档是一个常见的需求。为了实现这一目标，我们可以使用PyPDF2和python-docx这两个库。PyPDF2用于从PDF文件中提取文本和格式，而python-docx则用于创建和修改Word文档。

首先，确保你已经安装了这两个库。如果没有，请使用以下命令安装：

对于`PyPDF2`：
     `pip install PyPDF2`
对于`python-docx`：
     `pip install python-docx`

下面是一个简单的脚本，可以实现批量将PDF文件转换为Word文档：

import os
import PyPDF2
from docx import Document
def pdf_to_word(pdf_path, word_path):
    # 打开PDF文件
    with open(pdf_path, 'rb') as file:
        # 创建一个PDF阅读器对象
        reader = PyPDF2.PdfFileReader(file)
        # 创建一个Word文档对象
        doc = Document()
        # 遍历PDF的每一页
        for page_num in range(reader.numPages):
            # 提取每一页的内容
            page_content = reader.getPage(page_num).extractText()
            # 将内容添加到Word文档中
            doc.add_paragraph(page_content)
        # 将Word文档保存到指定的路径
        doc.save(word_path)
if __name__ == '__main__':
    # 指定PDF文件所在的文件夹路径
    pdf_folder = 'path/to/pdf/folder'
    # 指定转换后的Word文档保存的文件夹路径
    word_folder = 'path/to/word/folder'
    # 确保文件夹路径存在，如果不存在则创建
    if not os.path.exists(word_folder):
        os.makedirs(word_folder)
    # 遍历PDF文件夹中的所有文件
    for filename in os.listdir(pdf_folder):
        if filename.endswith('.pdf'):
            # 构建完整的PDF文件路径和转换后的Word文档路径
            pdf_path = os.path.join(pdf_folder, filename)
            word_path = os.path.join(word_folder, f'{filename[:-4]}.docx')
            # 调用函数进行转换
            pdf_to_word(pdf_path, word_path)

在这个脚本中，我们首先导入了所需的库。然后定义了一个名为pdf_to_word的函数，该函数接受PDF文件的路径和转换后的Word文档的路径作为参数。在函数内部，我们首先打开PDF文件并创建一个PDF阅读器对象。然后，我们创建一个Word文档对象，并遍历PDF的每一页。对于每一页，我们提取其内容并将其添加到Word文档中。最后，我们将Word文档保存到指定的路径。在脚本的主函数中，我们指定了PDF文件所在的文件夹路径和转换后的Word文档保存的文件夹路径。然后，我们确保Word文档文件夹路径存在，并遍历PDF文件夹中的所有文件，对每个以.pdf为后缀的文件调用pdf_to_word函数进行转换。

请注意，这个脚本只是一个基本的示例，可能无法处理所有类型的PDF文件。对于某些具有复杂布局或特殊格式的PDF文件，可能需要更复杂的处理方法或使用其他库来获得更好的转换效果。此外，由于转换过程可能需要一些时间，因此对于大量的大型PDF文件，可能需要考虑性能和效率方面的优化。